• TensorFlow+CNN实战AI图像处理,轻松入行计算机视觉资源简介:
  •  热门计算机视觉技术+落地应用,带你踏上时代风口
  • 想要成为一名优秀的AI图像处理工程师并不容易,门槛和要求都比较多。很多人都是理论上的王者,实践上的青铜,自以为对框架、算法的理解足够,但因为缺乏应用场景和实践机会,遇到具体需求仍然不知道该怎么抽象问题,然后用模型解决。这个课就是为此而生,更偏重于实用,结合项目实践,让你掌握解决问题的能力!
  • 课程目录
  • 1-10简历点评-应届生_工作经验型案例1100.mp4
  • 1-11Ai知识图谱1123.mp4
  • 1-12金玉良言-课程知识脉络与学习建议0557.mp4
  • 1-1这是一门可以带领你轻松步入视觉开发工程师的好课0928.mp4
  • 1-2本章概览0121.mp4
  • 1-3Ai职场的蛋糕定律0755.mp4
  • 1-4初入职场-快速成为合格的Ai视觉工程师1201.mp4
  • 1-5小白上道-面试中论项目履历的重要性0958.mp4
  • 1-6锦囊相送-非HR技术高管面试更注重什么0854.mp4
  • 1-7跳槽必知-如何让Ai技术猎头更加关注你0611.mp4
  • 1-8加薪升职-高端CV岗如何做足面试准备1123.mp4
  • 1-9技能量化-常见职级模型解读0738.mp4
  • 2-10大数据时代的AI图像处理框架-TensorFlow1214.mp4
  • 2-11用Kerasapplications提取图像特征0331.mp4
  • 2-12用Keras构建神经网络0958.mp4
  • 2-13拓展知识OpenCV开源图像数据处理工具0442.mp4
  • 2-14本章必会知识点与难点精析0547.mp4
  • 2-1本章概览0051.mp4
  • 2-2计算机视觉与图像处理的关系0157.mp4
  • 2-3计算机视觉处理的基本任务0621.mp4
  • 2-4Ai视觉处理的应用0834.mp4
  • 2-5图像的特征10825.mp4
  • 2-6图像的特征20613.mp4
  • 2-7图像的特征30924.mp4
  • 2-8图像的特征40522.mp4
  • 2-9Pillow处理图像数据1241.mp4
  • 3-10Ai模型的评估与保存0513.mp4
  • 3-11欣赏成果图像分辨率处理效果展示的执行0336.mp4
  • 3-12培养大厂思维尝试提高Ai模型的性能0756.mp4
  • 3-13拓展知识OpenCV人脸检测0317.mp4
  • 3-14本章必会知识点与难点精析0524.mp4
  • 3-1本章概览0240.mp4
  • 3-2Ai图像处理模型学习的流程0924.mp4
  • 3-3第一个Ai视觉处理项目的准备工作1314.mp4
  • 3-4流程第一步图像数据的获取_下载0800.mp4
  • 3-5进一步处理图像-使用Pillow和NumPy0512.mp4
  • 3-6流程第二步建立Ai视觉处理模型0816.mp4
  • 3-7流程第三步嵌入神经网络CNN的工作0607.mp4
  • 3-8将模型PC机部署并启动与运行0121.mp4
  • 3-9流程第四步AI模型学习结果显示0802.mp4
  • 4-1本章概览0229.mp4
  • 4-2神经网络的升级版本-卷积神经网络CNN0538.mp4
  • 4-3CNN的基本结构0345.mp4
  • 4-4用二维滤波器检测图像特征1131.mp4
  • 4-5将缩减的图像零填充恢复图像的尺寸0317.mp4
  • 4-6案例基于TensorFlow的滤波器编程实践010354.mp4
  • 4-7案例基于TensorFlow的滤波器编程实践022738.mp4
  • 4-8案例基于keras风格的Fashion-MNIST编程实战3221.mp4
  • 4-9本章必会知识点与难点精析0315.mp4
  • 5-10AdamOptimizer优化算法参数的设定0605.mp4
  • 5-11项目Python代码模块设计方案0323.mp4
  • 5-12数据预处理模块设计与Python代码实战0254.mp4
  • 5-13模型构建与Python代码实战1059.mp4
  • 5-14模型训练过程与Python代码实战1507.mp4
  • 5-15模型评价与Python代码实战1142.mp4
  • 5-16结果可视化与Python代码实战1610.mp4
  • 5-17模型的保存与Python代码实战0204.mp4
  • 5-18阶段结果验收与评估0344.mp4
  • 5-19ImagesDataGenerator处理模糊-清晰图像数据集实战精讲2430.mp4
  • 5-1本章概览0251.mp4
  • 5-20梯度消失问题策略0446.mp4
  • 5-21激活函数详解-01双曲正切函数1706.mp4
  • 5-22激活函数详解-02ReLU函数1145.mp4
  • 5-23激活函数详解-03LeakyReLU函数0915.mp4
  • 5-24激活函数详解-04swish函数1457.mp4
  • 5-25本章必会知识点与难点精析0624.mp4
  • 5-2图像超分辨率模型2627.mp4
  • 5-3建立第一个图像超分辨率模型0508.mp4
  • 5-4超分辨率模型Python代码实现1041.mp4
  • 5-5图像预处理1751.mp4
  • 5-6制作高低分辨率图像数据-11454.mp4
  • 5-7制作高低分辨率图像数据-20823.mp4
  • 5-8制作高低分辨率图像数据-31333.mp4
  • 5-9选择误差函数策略0352.mp4
  • 6-10读书少年卡通图像画质增强实战1941.mp4
  • 6-11本章必会知识点与难点精析0453.mp4
  • 6-1本章概览0228.mp4
  • 6-2融合业务与再次深入把控卷积原理1948.mp4
  • 6-3问题分析与激活函数调整策略0753.mp4
  • 6-4提升画质质量-尝试不断更换模型0546.mp4
  • 6-5调整epoch平衡模型的拟合情况0712.mp4
  • 6-6建立画质质量评估指标-PSNR1209.mp4
  • 6-7尝试支持彩色图像画质0153.mp4
  • 6-8建立画质质量评估指标-SSIM1138.mp4
  • 6-9提升画质质量-跳跃连接结构模型1920.mp4
  • 7-10学习率设定策略05-Adadelta0220.mp4
  • 7-11学习率设定策略06-Adam0604.mp4
  • 7-12学习率设定策略07-AMSGrad0324.mp4
  • 7-13BatchNormalization提高模型训练速度0508.mp4
  • 7-142023年玉兔幸福年-图像增强实战纪念版1053.mp4
  • 7-15本章必会知识点与难点精析0358.mp4
  • 7-1本章概览0109.mp4
  • 7-2模型权重初始值设定策略0633.mp4
  • 7-3过拟合问题低层剖析0728.mp4
  • 7-4模型Dropout层防止过拟合策略0415.mp4
  • 7-5引入EarlyStopping机制应对突发情况0827.mp4
  • 7-6学习率设定策略01-momentum1055.mp4
  • 7-7学习率设定策略02-Nesterov0418.mp4
  • 7-8学习率设定策略03-Adagrad0246.mp4
  • 7-9学习率设定策略04-RMSprop0311.mp4